Aan de slagBegin gratis

Data imputeren met simputation

Er zijn veel imputatiepakketten in R. We richten ons op het gebruik van het pakket simputation, dat een eenvoudige en krachtige interface biedt om imputaties uit te voeren.

Een goed imputatiemodel bouwen is ontzettend belangrijk, maar ook complex — er komt net zoveel bij kijken als bij het bouwen van een goed statistisch model. In deze cursus richten we ons op het evalueren van imputaties.

Eerst bekijken we de functie impute_lm(), die waarden imputeert op basis van een opgegeven lineair model.

In deze oefening passen we de eerdere beoordelingstechnieken toe op gegevens met impute_lm(), en bouwen we in de volgende lessen verder op deze imputatiemethode.

Deze oefening maakt deel uit van de cursus

Omgaan met missende data in R

Bekijk cursus

Oefeninstructies

Gebruik de oceanbuoys-gegevensset:

  • Imputeer humidity met wind_ew en wind_ns, en houd ontbrekende waarden bij met add_label_shadow().
  • Plot de geïmputeerde waarden voor air_temp_c en humidity, respectievelijk op de x- en y-as, en kleur op any_missing().

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Impute humidity and air temperature using wind_ew and wind_ns, and track missing values
ocean_imp_lm_wind <- ___ %>% 
    bind_shadow() %>%
    impute_lm(air_temp_c ~ wind_ew + wind_ns) %>% 
    impute_lm(___ ~ ___ + ___) %>%
    add_label_shadow()
    
# Plot the imputed values for air_temp_c and humidity, colored by missingness
ggplot(___, 
       aes(x = ___, y = ___, color = any_missing)) + 
  geom_point()
Code bewerken en uitvoeren